Внедрення SWE-Agent для автономного виправлення багів
SWE-Agent (Princeton NLP) — open-source агент для автономного вирішення задач розробки. На відмінну від Devin, SWE-Agent повністю відкритий, розгортається на власній інфраструктурі, не потребує підписки на закритий сервіс.
Як працює SWE-Agent
AgentComputer Interface (ACI) — спеціалізований інтерфейс для взаємодії агента з кодовою базою. Спеціальні команди: open, goto, search_dir, find_file, edit — оптимізовані для навігації по коду. LLM-backbone: GPT-4o або Claude 3.5 Sonnet.
Цикл роботи: читає issue → досліджує кодову базу → формує гіпотезу про причину → редагує файли → запускає тести → ітерує до проходження.
Self-hosted розгортання
Docker-контейнер з Python environment. Sandbox на базі Docker: ізольована файлова система, обмежений network access. Підтримка будь-якого LLM з OpenAI-compatible API.
Продуктивність
На SWE-bench (benchmark на реальних GitHub Issues):
- GPT-4o backbone: ~38% resolution rate
- Claude 3.5 Sonnet backbone: ~43% resolution rate
- Найкращий результат для bug fixes з хорошими тестами
Внедрення: 2–3 тижні
Налаштування docker environment, інтеграція з GitHub workflow (GitHub Actions trigger), налаштування LLM-backend, тестування на репрезентативній виборці issue з бекlogу.